[发明专利]一种基于注意力区域的窥视类作弊行为识别方法

说明书

本发明涉及一种基于注意力区域的窥视类作弊行为识别方法。一种基于注意力区域的窥视类作弊行为识别方法，步骤如下：测量考生在观看屏幕时的头部角度相对于摄像头的标准角度区间；考试时，通过摄像头每100ms获取考生的面部图像，判定该注意力区域是否在标准角度区间内；（3）以1s为统计周期，对应的10次判定中至少有1次其注意力区域在标准角度区间内，则认为其注意力集中，反之注意力不集中；以3min为统计周期，若其注意力不集中的时间超过60s，则认为其存在作弊嫌疑，则在其屏幕上显示警告消息；若警告消息显示10s中没有1s是注意力集中，则判定其作弊；本发明主要通过识别出面部器官在视频图像中的位置，进而推算出考生注意力集中区域的位置。

技术领域

本发明涉及无纸化考试系统中作弊行为的识别领域，具体地，涉及一种基于注意力区域的窥视类作弊行为识别方法。

背景技术

目前国内外学者针对考试作弊提供了多种解决方案。可以大致分为两类：传统信息验证类和电子辅助验证类。传统信息验证类致力于对于传统的考试作弊识别方法进行改进和提高，例如对监考人员的巡逻方式进行更有效的规划或使考生提供更加难以冒充的信息来进行身份验证。而电子辅助验证类则致力于在传统考试信息验证之外使用电子自动化技术对考生的作弊行为进行监督和识别，目前主流的是基于生物特征信息的电子辅助验证类方式。McGinity指出，基于生物特征的验证优秀于基于身份证号等传统信息的验证。另一项研究则强调了检测机制在整个考试过程中一直生效的重要性。杨和Verbauwhede也认为生物识别系统提供比传统密码系统更好的安全性。生物识别认证使用的是参考生的生理特征，如语音，手的几何特征，指纹和面部图像等来自动识别认证对象。通常，生物特征识别需要将预先存储的数据与捕获的数据进行比较而得出相似度结果。生物特指识别方法中有两个主流类别：基于击键动力学特征的识别和基于视频图像特征的识别。

(一)基于击键动力学的识别方式

Flior和Kowalski提出了通过击键动力学对在线考试提供连续生物识别用户的认证方式。其通过对用户输入单词的特点和击键节奏韵律进行统计和对比，根据考生进行作弊后对于题目的解答会变得更简单，作答题目时的相关击键特征也会发生明显变化为依据，来进行作弊行为识别。然而，击键动力学的方式也拥有其缺点，随着考试时间的进行，长时间打字疲劳而导致的击键特征改变、在解答难题和简单题时，由于思考时间不同而导致的击键特征改变等都会对识别结果产生影响。

(二)基于视频分析的识别方式

基于视频分析的识别方式根据视频监督的对象不同而又有不同的分类，梅毅提出了一种通过考场视频图像的作弊行为识别方式，其监督的对象是整个考室。但因为其监督对象过于复杂，其不足也很明显。其只能识别考生离开座位并在考室内走动等身体大面积移动的极端考试作弊行为。而对于常规的动作较小的考试作弊行为的识别效果不理想。相对于针对整个考场作为一个单位进行作弊行为识别的方法，更多的基于视频的作弊行为识别是以考生为单位。一个考生对应一个摄像头，通过对其上半身或面部视频进行分析来识别作弊行为。此类识别方法在身份作弊，即替考作弊行为的识别有着很好的效果，而对于其他动作较小作弊行为也有较好的识别率。但对于身体动作更加小的作弊行为，即保持相应面部依然在摄像头的拍摄区域之内，但实际上对应考生正在查看携带进的资料或相邻考生的屏幕的这种头部比较于正常答题时只有一定角度变化的窥视类作弊行为的识别还有不足。

发明内容

本发明旨在针对上述基于视频分析的识别方式存在的问题，提出一种基于面部对齐技术的注意力区域计算方法。

本发明的技术方案在于：

一种基于注意力区域的窥视类作弊行为识别方法，该步骤如下：

(1)考试前，测量考生在观看屏幕时的头部角度相对于摄像头的标准角度区间；

(2)考试时，通过摄像头每100ms获取考生的面部图像，以其相对于摄像头的头部旋转角度α、水平倾斜角度β及垂直倾斜角度γ构成注意力区域，判定该注意力区域是否在标准角度区间内；